《表2 模型预测性能Table 2 Predicting performance of models》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于混合智能算法的多目标优化在厌氧氨氧化与反硝化协同脱氮除碳中的应用》
结合上文,原始数据经归一化和PCA处理后,分别建立起基于BP神经网络的NH4+-N和COD去除浓度预测模型,其中,输入层为进水NH4+-N、NO2--N、COD和p H,输出层分别为NH4+-N和COD去除浓度,通过试错法选用5个节点作为隐含层节点,模型的拓扑结构最终为4-5-1.从实验样本中选取120组数据作为训练样本,24组数据作为检验样本.值得注意的是,模型的训练样本和检验样本的选取都应包含多种条件.选用函数tansig和logsig作为隐含层和输入层神经元的传递函数,选用函数trainlm作为训练函数.网络的学习速率为0.3,学习动量常数为0.001,目标误差为0.015,最大迭代为1000次.仿真结果如图4和表2所示.
图表编号 | XD0025495400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.06 |
作者 | 谢彬、马邕文、万金泉、王艳、渠艳飞 |
绘制单位 | 华南理工大学环境与能源学院、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 模型预测性能Table 2 Predicting performance of models”的人还看了
- 表2 越冬后期稻田中小天鹅警戒能量消耗候选模型预测*Tab.2 Candidate models for predicting Tundra Swan alerting behavior in the paddy field during